Atbalsta vektoru mašīna (klasifikācija)
Atbalsta vektoru mašīna (SVM), ko 1995. gadā ieviesa Korina Kortesa un Vladimirs Vapņiks, ir klasifikators, kas atrod optimālu atdalošo hiperplakni starp klasēm augstas dimensijas telpā. Tā izvēlas robežu, kas atstāj pēc iespējas plašāku rezervi līdz tuvākajiem apmācības punktiem, padarot tās lēmumus robustus attiecībā uz jauniem datiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Avoti
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/lv/machine-learning/svm-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- K-tuvākie kaimiņiMašīnmācīšanās↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Naive BayesMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Atbalsta vektoru regresijaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →